Page 211 - 《软件学报》2026年第4期

1652 软件学报 2026 年第 37 卷第 4 期

式结构等需求文本的语法特征, 但忽视了需求文本在语义上具备时序性, 无法正确表示两个或多个并发进行的业
务活动. 结合以上分析, 在 UML 活动图自动生成过程中对需求文本的语义特征加以利用有助于提高自动生成活
动图的完整性和正确性, 降低自动生成活动图的冗余性. 如何融合需求文本的语义特征以提升自动生成 UML 活
动图的准确性是一个亟待解决的重要问题.

用户 系统 用户 系统

打开产品并登录 登录产品

验证用户身份 验证用户身份
是 否 是 否
身份验证成功? 身份验证成功
用户进入能效面板界面 显示错误信息 进入 “能效面板” 界面 显示错误信息
查询用户企业的实时负荷
查询用户企业的实时负荷

绘制当天的负荷曲线
绘制当天的 绘制前一天
查询前一天的负荷数据 负荷曲线 的负荷曲线
绘制前一天的
负荷曲线
显示负荷曲线
显示负荷曲线给用户

(a) ChatGPT4 绘制的 UML 活动图 (b) 人工绘制的 UML 活动图
图 2 根据同一需求文本分别由 ChatGPT4 和人工绘制的 UML 活动图

针对 UML 活动图自动生成任务, 本文提出一个融合中文需求文本语义特征的 UML 活动图自动生成方法
(automated UML activity diagram generation method combining semantic features of software requirements statements
in Chinese, AutoADGC). 该方法将需求文本的语义特征提取问题建模为一个多标签文本分类问题, 利用需求文本
与自动生成活动图的相关性识别出与活动图生成相关的句子, 利用需求文本的时序性确定活动图中的节点类型和
相邻节点之间的关系, 结合需求文本的语法特征和语义特征在需求文本相关句中提取活动图图元素及其关系, 完
成 UML 活动图自动生成任务. 在 100 个工业界实际应用案例上的实验结果表明, 需求文本的语义特征有助于减
少需求文本中无关信息的干扰, 正确处理并发活动, 优化自动生成的 UML 活动图, 使其完整性和正确性更高, 冗
余性更低. 综上, 本文的主要贡献如下.
(1) 设计了一种语义多标签需求文本分类模型来提取需求文本的相关性语义特征和时序性语义特征. 该模型
通过不同的网络结构分别提取文本与标签的全局、局部特征来增强文本与标签之间的关系. 所获取的需求文本语
义特征对于提升自动生成活动图的完整性和正确性具有积极作用, 并能有效减少自动生成活动图中的冗余成分.
(2) 提出了一种融合中文需求文本语义特征的 UML 活动图自动生成方法 AutoADGC, 结合需求文本的语义
特征和语法特征实现 UML 活动图的自动生成. 与多种现有的 UML 活动图自动生成方法相比, 本文方法自动生成
的活动图在完整性、正确性和冗余性上表现更好.
(3) 本文在由实际软件需求文本构成的数据集上对 AutoADGC 方法的性能进行了全面的评估, 验证了该方法
的有效性和实用性. 为了便于其他研究者复现和应用本文方法, 本文基于 AutoADGC 方法实现了一款 UML 活动
图自动生成工具. 该工具的源代码及所使用的数据集已在 GitHub 上共享 (https://github.com/yzj-hub/ISES).